边缘计算加速物联网应用发展

随着技术的发展,需要新方法的新问题也随之产生。随着智能设备(如智能开关、恒温器和第三代语音助理)的出现,数据量急剧增加,集中计算和分析的效率下降。边缘计算帮助这些智能设备处理数据以满足它们在边缘节点上的需求,从而使这些智能设备更加智能。

边缘计算只传输集中式计算所需的数据,从而解决了许多问题,如延迟和带宽成本。边缘技术不仅提高了边缘设备的效率,也提高了集中分析系统的效率。鉴于边缘计算的前景,它有望成为2020年及以后最重要的技术趋势之一。

传统上,企业采用一种分析数据并使用集中方法从数据中获取情报的体系结构。例如,数据仓库是商业智能的主要力量,也是众所周知的中央存储库,它可以将原始数据转化为洞察力。这个过程称为ETL,它从操作系统中提取数据,将其转换成适当的格式,然后将其加载到数据仓库中。

多年来,这一框架被证明是有效的。然而,在边缘设备时代,传统的物理数据仓库已经失去了作为真理的中心来源的光彩。这是因为当今世界正转向大量非结构化数据,这些数据只能存储结构化数据。此外,数据量呈指数级增长。它变得如此之大,以至于在许多用例中,将所有数据存储在一个数据仓库中不再经济可行。为了克服这些挑战,企业已经将他们的中央存储库转移到了更便宜的替代方案,例如也可以存储非结构化数据的Hadoop。

尽管有这些发展,从性能和成本的角度来看,仍然不希望将分布在世界各地的多个设备生成的所有信息收集到数千英里之外的中央存储库中。中央系统不能有效和智能地分析信息,然后一直向设备提供信息,以实现卓越的性能。

那么,缺少了什么?

在我们看来,这是一种在设备本身附近执行计算功能的技术。边缘计算架构的出现使得设备能够将其生成的数据发送到更靠近设备的边缘节点或系统,以进行分析或计算。这样,设备可以比连接到中央系统时更快地从边缘节点获得所需的智能。

在此设置中,边缘节点连接到中央系统,因此它们只传输中央系统分析各种设备所需的信息。结果,存在计算的双重性,其中一些计算在局部操作所需的程度上在边缘节点上执行,并且同时,数据被传输到中央分析系统以作为整体分析所有对象。如今,幸运的是,它具有智能过滤边缘所需数据的功能,并且只将减少的数据传输到中央系统。通过将移动数据减少高达80%,数据虚拟化可以实时执行这种选择性的数据处理和交付,而无需在其中复制数据。

当数据来自各种设备时,位于靠近这些设备的边缘节点的数据虚拟化实例将这些数据集成在一起,然后只提取结果。然后,它们被传输到位于中心位置的另一个数据虚拟化实例,该实例离使用报告工具分析结果的数据消费者更近。因此,多位置架构中的数据虚拟化实例网络(其中一些位于边缘节点)连接到中央数据虚拟化实例,从而完善边缘计算框架。

为什么它在边缘更智能

边缘计算的最大优势是节省时间。在过去的几年里,这项技术在存储和计算方面的发展速度比其他方面要快得多。今天的手机比30年前的台式电脑有更多的内存和计算能力。然而,边缘技术的一个方面不如数据传输的带宽快,因为数据从一个位置移动到另一个位置仍然需要几分钟和几个小时。随着设备在各大洲向云和移动得越来越远,传输尽可能少的数据以提高整体效率是必要的。

通过将计算委托给边缘,这些设备将实时学习和调整,而不会因为与中央系统的信息传输而变慢。数据虚拟化将带宽需求和存储成本降低了80%。

个人建站、企业建站,域名注册、小程序、云服务器、物理主机等业务,咨询蓝队云客服微信:landui507

未经允许不得转载:云技术 » 边缘计算加速物联网应用发展

赞 (0)